لقد أصبحت نماذج الشبكات العصبية العميقة التي تدعم تطبيقات تعلم الآلة الأكثر تطلباً اليوم ضخمة ومعقدة لدرجة أنها تدفع حدود عتاد الحوسبة الإلكترونية التقليدية. وتوفر الأجهزة الضوئية، التي تُجري عمليات تعلم الآلة باستخدام الضوء، بديلاً أسرع وأكثر كفاءة في استهلاك الطاقة. ومع ذلك، وحتى وقت قريب، كانت هناك بعض أنواع العمليات الحسابية في الشبكات العصبية التي لا تستطيع الأجهزة الضوئية تنفيذها، مما استدعى استخدام إلكترونيات خارجية أبطأت الأداء وقللت الكفاءة.
وفي خطوة قد تعيد رسم مستقبل بنية الذكاء الاصطناعي، كشفت شركة Lightmatter في أبريل 2025 عن شريحة الحوسبة الضوئية الثورية Envise، المصممة لتقليل استهلاك الطاقة بشكل كبير مع تسريع أعباء عمل الذكاء الاصطناعي. وتعد شريحة Envise—التي تعتمد على الضوء بدلاً من الإلكترونات في العمليات الحسابية—بحل لمشكلات عدم الكفاءة المتزايدة في الشرائح السيليكونية التقليدية، في الوقت الذي تتطلب فيه نماذج الذكاء الاصطناعي قوة معالجة غير مسبوقة. وتبلغ قيمة شركة Lightmatter حالياً 4.4 مليار دولار بعد جولة تمويلية بقيمة 850 مليون دولار، ما يضعها في طليعة عصر حوسبة جديد.
تستخدم معالجات Lightmatter الضوئية الضوء لإجراء العمليات الحسابية، وخاصة العمليات المصفوفية (التنسورية) التي تشكل جوهر التعلم العميق. ومن خلال توجيه الضوء عبر مكونات بصرية مثل الموجّهات والعدسات، تنفذ هذه الشرائح العمليات بسرعة الضوء، وتحقق دقة إلكترونية تقريباً مع استهلاك أقل بكثير للطاقة. فعلى سبيل المثال، ينفذ معالجهم الضوئي 65.5 تريليون عملية حسابية بتقنية Adaptive Block Floating-Point 16 بت في الثانية باستخدام 78 واط فقط من الطاقة الكهربائية.
وفي الوقت نفسه، استعرضت شركة Q.ANT خادم المعالجة الضوئية الأصلية (NPS) خلال مؤتمر ISC 2025 في يونيو. وبُني هذا الخادم على معمارية Q.ANT المسماة Light Empowered Native Arithmetic (LENA)، ليحقق كفاءة طاقة تصل إلى 30 ضعف التقنيات التقليدية مع مواصفات مميزة: دقة حسابية 16 بت عائمة بنسبة دقة 99.7% لجميع العمليات الحسابية، وعدد عمليات أقل بنسبة 40–50% لتحقيق نفس النتائج، ودون الحاجة إلى بنية تبريد نشطة.
وبعيداً عن تحسين الأداء، أظهر الباحثون أيضاً أن حتى الحواسيب الكمومية الصغيرة يمكنها تعزيز أداء تعلم الآلة باستخدام دوائر كمومية ضوئية مبتكرة. وتشير نتائجهم إلى أن تكنولوجيا الكم الحالية لم تعد تجريبية فقط—بل يمكنها بالفعل التفوق على الأنظمة التقليدية في مهام محددة. ومن الجدير بالذكر أن هذا النهج الضوئي قد يقلل أيضاً بشكل كبير من استهلاك الطاقة، ما يوفر مساراً مستداماً مع تزايد احتياجات تعلم الآلة للطاقة.
ومع استمرار الذكاء الاصطناعي في تحقيق قفزات مذهلة، فإن الطلب المتزايد على قوة الحوسبة—خاصة في مهام الاستدلال المعقدة التي تمثلها نماذج الذكاء الاصطناعي التوليدي مثل ChatGPT—يفرض تحديات على أنظمة الحوسبة الإلكترونية التقليدية. وقد أشعلت التطورات في تكنولوجيا الفوتونيات (الضوئيات) الاهتمام بالحوسبة الضوئية كخيار واعد لحوسبة الذكاء الاصطناعي. ومن خلال الدمج العميق بين الذكاء الاصطناعي وتكنولوجيا الفوتونيات، يتطور مجال الفوتونيات الذكية كحقل متعدد التخصصات ناشئ يحمل إمكانات كبيرة لإحداث ثورة في التطبيقات العملية.